基于连锁聚类法及遗传算法的模糊建模

模糊建模可以分为被辨识系统的结构辨识和参数辨识.针对系统的结构辨识,提出了一种新型连锁聚类算法,用其来实现被辨识系统的结构辨识及初始参数辨识;针对系统的参数辨识,提出了采用遗传算法对被辨识系统的参数进行更加精确的校正.通过结构辨识算法和参数辨识算法的结合,可以只针对被辨识系统的输入输出测试数据直接进行被辨识系统的结构辨识及参数的进一步精确校正.通过对非线形函数的仿真结果表明,此辨识方法具有较好的辨识结果.     

动力调谐陀螺仪系统辨识方法

针对动力调谐陀螺仪(DTG）系统辨识中,传统辨识方法(最小二乘类辨识法和频域辨识法）辨识拟合度不高的问题,提出去离群点频域辨识法。该方法结合DTG模型结构特征和固有有色噪声特点,将去离群点思想应用于DTG模型的频域辨识。实验结果表明,去离群点频域辨识法的辨识效果优于最小二乘类辨识法和传统频域辨识法,辨识拟合度在90%以上,并且辨识结果重复性好,辨识算法稳定。在DTG系统辨识中,去离群点频域辨识法能够提高辨识拟合度。     

闭环子空间辨识方法的分析与比较

在实际应用中,辨识方法的辨识精度和辨识效率一直是人们关注的指标,也是人们选择辨识方法的主要依据。针对多种闭环子空间辨识方法的辨识精度和辨识效率问题的研究,首先归纳和总结了基于正交分解和基于正交投影闭环子空间辨识方法的理论和实现;然后扩展提出了基于正交分解的闭环子空间辨识方法 ORT_POMOESP、ORT_N4SID和基于正交投影的闭环子空间辨识方法 CSOPIM_W2;最后考虑系统输入输出测量噪声,针对过程噪声为白噪声和有色噪声两种情况下,通过仿真算例以数值分析的形式,对比研究了多种闭环子空间辨识方法的辨识精度和辨识效率。该研究不仅对子空间辨识方法应用于实际工业过程的建模具有实际的参考价值,而且对实际工程应用中闭环子空间辨识算法的选用具有一定的指导意义。     

利用递推增广矩阵辨识加速度计的参数

介绍了加速度计的基本工作原理和结构模型,将加速度计的微分方程转换成差分方程,在传统最小二乘法辨识的基础上,采用递推增广矩阵的辨识方法对加速度计的参数模型进行辨识.通过Matlab对其仿真,得到被辨识参数的估计值与曲线图,说明采用递推增广矩阵辨识方法辨识系统参数具有辨识速度快、辨识精度高、辨识结果准确等特点.     

基于主元分析的子空间辨识算法

子空间辨识算法作为一种优良的多变量系统辨识算法,最近在国内发展很快.但是现在国内介绍的大多数子空间辨识算法在变量有误差(errors-in-variable)时和闭环辨识时辨识结果却是有偏的,这是因为大多数子空间辨识算法都假设输入变量是没有噪声及辨识算法中存在的一个投影过程.文中介绍了一种新的子空间辨识算法,这种算法利用主元分析(PCA)来获取系统矩阵,避免了其他算法中的投影过程,因此该算法在闭环辨识和变量有误差(errors-in-variable)的情况下,辨识结果也是无偏的.最后给出一个仿真例子说明这种辨识算法的辨识效果良好.     

采用正交函数辨识电液控制系统

本文采用正交函数BPF将含有未知参数的系统线性微分方程转化为代数向量方程进行求 解而完成辨识过程,获取表征系统特性的传递函数或微分方程参数.仿真辨识及对实际电液 控制系统的辨识结果均表明,BPF辨识法具有原理简洁、实现方便及辨识精度高等优点.任 何可积函数均可作为辨识输入信号,辨识过程可由递推算法实现.所以BPF辨识法能方便有 效地用于动态过程的系统实时在线辨识.     

基于遗传编程的非线性系统辨识

为了实现对非线性系统的辨识,能够对目标系统的结构和参数进行同步辨识,将遗传编程(Genetic Programming,GP)作为辨识工具.使用基本遗传编程算法对非线性静态系统进行辨识-对电厂钢球磨煤机存煤量与产粉量之间的特性关系曲线进行辨识;使用一种改进的遗传编程算法对非线性动态系统进行辨识-对一个二阶离散非线性差分方程进行辨识.所有辨识都取得了满意的结果.遗传编程进化过程中,目标系统的结构与参数同时准确辨识,证明遗传编程非常适合于解决非线性系统辨识问题,并在算法上实现了结构辨识和参数辨识的统一.     

基于理性遗传算法的模糊系统辨识

针对模糊系统辨识的复杂问题,提出基于理性遗传算法的模糊系统辨识。模糊系统辨识包括前件结构、参数辨识和后件结构、参数辨识,在利用模糊系统的通用逼近性的基础上,采用理性遗传算法对模糊模型进行辨识,并给出仿真结果,其结果表明理性遗传算法在进行离线辨识中是一种十分有效的方法。     

基于ANN的动态系统状态方程辨识建模仿真

对系统辨识原理、基于神经网络（ANN）的动态系统辨识进行了分析，针对动态系统辨识模型描述的复杂性，为简化ANN辨识建模的输入／输出关系的表达，提高算法的简洁性，采用了状态方程辨识模型，并给出了基于ANN的动态系统状态方程辨识模型。为比较分析不同网络结构的辨识建模效果及网络模型泛化能力，针对三种不同网络结构方案进行了辨识建模仿真研究。仿真结果最示，基于ANN的动态系统状态方程模型的辨识建模是有效的，并且简单合理的网络结构方案，可提高网络辨识模型的泛化能力。     

不确定性系统的鲁棒辨识及其发展

对适合控制的辨识即鲁棒辨识的发展作了综述。首先给出鲁棒辨识的缘由、提法和一些基本概念；然后讨论了集员辨识的理论和发展，Ｈ∞辨识以及部分结论；最后论述了适合控制的辨识理论的进一步发展。     

Identification of non-linear distributed systems using Laguerre operational matrices

A double Laguerre series expansion for a two variable function is developed to extend the use of Laguerre operational matrices in the identification of the parameters of linear distributed systems described by linear partial differential equations to non-linear distributed parameter systems. By giving proper shape to the non-linear terms, this method can be extended to identifying the parameters of non-linear distributed systems with or without noise.     

Simultaneous identification of the external input and parameters of diffusion type distributed parameter systems

A simultaneous identification method is proposed for an unknown diffusion constant and an unknown external input of a distributed parameter system governed by a non-homogeneous partial differential equation of parabolic (diffusion) type. The mathematical formulation of the identification problem is presented using the weighted residual expression and the boundary element partition, both of which are fundamental to the boundary element method. The unknowns of the distributed parameter systems are identified from the noisy or noise-free state observations taken at the points on the boundary by minimizing a certain criterion function based on the above mathematical formulation. Numerical examples illustrate the usefulness of the proposed identification method.     

基于神经网络的电力系统暂态稳定分布式自适应控制

针对电力系统中普遍存在的系统非线性和参数不确定性等问题,提出一种基于径向基函数神经网络(RBFNN)的分布式自适应控制器,以提高多机电力系统的暂态稳定性.利用基于RBFNN的方法对系统中的未知非线性项和外部扰动进行补偿,设计相应的自适应参数估计方法,逼近未知非线性项的理想权值矩阵.该策略基于多智能体框架,分布式控制器通过通信网络接收测量装置测量的实时数据,并控制储能装置动作,使受到扰动后各发电机能够迅速实现频率同步.利用李雅普诺夫稳定性理论,证明所提出的分布式控制方法的收敛性.最后,通过仿真研究验证所提出的分布式控制方法的有效性.     

基于Chebyshev小波的分布参数系统辨识

工程实际和社会系统中广泛存在着分布参数系统,因而研究分布参数系统的辨识与控制具有重要意义.但由于其复杂性,对分布参数系统的辨识研究十分困难.借助于Chebyshev多项式的逼近性质,以及小波的时频特性,构造了Chebyshev小波,并利用其积分运算矩阵,运用于分布参数系统的辨识,从而将一类分布参数系统的辨识问题转化为一般代数问题.并且考虑了初始条件和边界条件对辨识结果的影响,因此具有较好的适用性,仿真结果证实了该方法的有效性.     

Robust nonlinear H∞ control of hyperbolic distributed parameter systems

A radial basis function (RBF) neural network model is developed for the identification of hyperbolic distributed parameter systems (DPSs). The empirical model is based only on process input–output data and is used for the estimation of the controlled variables at multiple spatial locations. The produced nonlinear model is transformed to a nonlinear state–space formulation, which in turn is used for deriving a robust H_∞ control law. The proposed methodology is applied to a long duct for the flow-based control of temperature distribution. The performance of the proposed method is illustrated by comparing it with conventional control strategies.     

On-line identification of distributed parameter systems

A method is suggested for the identification of distributed parameter systems. The method is suitable for on-line identification and uses non-linear programming to minimize the integral of the weighted error squared over an observation interval. An exponential form for the weighting function is used. The factors which affect the identification are studied, and an optimal identifier is determined.A closed form expression for the estimated parameters is derived in the case of systems with slowly varying parameters. The effect of noise is studied. Experimental results are given to show the applicability of the methods suggested.     

时变非线性分布参数控制系统的小波辨识算法

基于正交函数逼近理论,在Haar小波正交规范基的基础上,总结并推导出了其积分运算矩阵、微分运算矩阵、乘积运算矩阵及其运算性质,并应用于一类时变非线性分布参数系统的辨识.借助于正交小波函数逼近方法对分布参数系统进行辨识,经正交小波逼近变换转化为代数矩阵方程,因此该方法可以不考虑初始条件和边界条件,较其他辨识方法要简单得多.该算法简单、计算量小、简化了分布参数系统辨识的求解过程,应用在分布参数系统辨识中不失为一种有效的分析方法.     

分布参数系统边界控制的Haar小波算法

由于分布参数系统通常由偏微分方程描述,采用解析法求解分布参数系统最优边界控制问题,是非常难以解决的.正交函数逼近的方法在分布参数系统控制方面,已经取得了较好的效果.Haar小波作为正交基函数,利用小波的一些运算及变换矩阵,将分布参数系统转化为集总参数系统,再求其逼近解.仿真示例验证了所提出的算法是非常有效的.该方法为分布参数系统的控制算法提出了一条新的解决方案.     

分布参数系统源控制系统设计EI北大核心CSCD

针对一类分布参数系统(Distributed parameter system,DPS),提出了源控制方法.将构成分布参数系统的空间分成若干分,每份为一个节点,在所有的节点中,将能产生量变源头的节点定义为源节点,跟随源节点变化的节点为跟随节点,以此构建分布参数系统模型.对于源节点,根据经验函数结合反馈偏差调节设计控制器,对跟随节点考虑源节点控制的逸散作用控制.利用Lyapunov稳定性理论并结合线性矩阵不等式(Linear matrix inequality,LMI)处理方法,得出了分布式参数系统稳定源控制器存在的充分条件.最后结合所给条件,给出一个数值仿真说明其有效性.     

基于小波逼近变换的非线性分布参数系统辨识

利用Haar小波正交规范基的微分运算矩阵及其运算性质,将描述一类非线性分布参数系统的偏微分方程转化为代数矩阵方程,结合最小二乘法,确定出待辨识的系统参数,避免了对偏微分方程进行多重积分运算的繁琐;并且,可以不考虑初始条件和边界条件,较其他采用积分运算矩阵的辨识方法要简单得多,简化了分布参数系统辨识的求解过程。该方法简单,计算量小,辨识精度高。仿真结果表明了该算法应用在非线性分布参数系统辨识中的有效性。